谷歌發布PAIR項目：改善人類與人工智慧的交互方式

2021/12/25

機器學習技術在過去幾年取得了快速發展，技術能力大幅提升——語音識別更精準，圖片搜索更迅速，翻譯效果也更好。但我們相信，人工智慧的潛力不止於此。如果我們從一開始就把人的因素融入系統，它的實用性將會更強。

我們今天宣布People+AI Research Initiative（PAIR）項目。

該項目會將谷歌內部的研究人員集合起來，研究並重新設計人與人工智慧系統的互動方式，PAIR的目標是關注人工智慧中的「人類端」：用戶與技術的關係，它所能促成的新應用，以及如何擴大它的覆蓋範圍。我們的目標不只是發表論文，還希望推出開源工具，以供研究人員和其他專家使用。

根據用戶需求的不同，PAIR的研究分成3個領域：

工程師和研究人員：人工智慧由人開發。我們如何才能讓工程師更加簡單地開發和理解機器學習系統？他們需要哪些教育材料和實踐工具？

領域專家：人工智慧如何為專業人士提供幫助？隨著醫生、技師、設計師、農民和音樂人增加人工智慧技術的使用，我們如何為為其提供支持？

日常用戶：如何確保機器學習包羅萬象，好讓所有人都能從人工智慧的突破中獲益？設計思維能夠開啟全新的人工智慧應用？我們能否普及人工智慧背後的技術？

我們還沒有掌握所有答案，這正是研究的有趣之處，但我們對於發展方向有自己的想法。解開謎題的一大關鍵就是設計思維。能不能不再單純把人工智慧視作一項技術，而是把它想象成一種設計用的材料？

從這方面來看，或許可以以史為鑒：例如，計算機圖形技術的進步提供的不只是更好的繪圖方式——而是催生了新型的界面和應用。我們之前也講過所謂的「以人為本的機器學習」（HCML）。

我們將開放新工具的源代碼，製作教育材料（例如人工智慧界面設計指南），同時發表研究論文來回答問題，並讓儘可能多的人享受到人工智慧的力量。

今天，我們將開放Facets Overview和Facets Dive兩款可視化工具的源代碼。這些應用瞄準了人工智慧工程師，解決了機器學習流程最開始的問題。Facets讓工程師可以明確了解他們用來訓練人工智慧系統的數據。

△ Facets Overview截圖

△ Facets Dive截圖

我們認為這一點非常重要，因為訓練數據是現代人工智慧系統的關鍵組成部分，但往往成為不透明和困惑的來源。事實上，機器學習工程與傳統軟體工程的差異之一，就是更加依賴調試和數據，而非編碼。有了Facts，工程師可以更加容易地展開調試，並理解他們正在開發的東西。

地址在此：

我們也承認，我們並非第一個看到這一機會或提出這些問題的人或機構。很多設計師和學者都開始探索人類/人工智慧互動。他們的工作對我們形成了啟發，我們將社區建設和研究支持視作自身使命的核心。

我們將與兩位訪問學者合作——哈佛大學的布倫丹·米德（Brendan Meade）教授和麻省理工學院的哈爾·阿貝爾森（Hal Abelson）——他們都在關注人工智慧時代的教育和科學問題。

關注人工智慧中的人類因素可以帶來全新的可能。我們很高興與外界共同探索這些可能。

【完】

量子位讀者5群開放申請，對人工智慧感興趣的朋友，可以添加量子位小助手的微信qbitbot2，申請入群，一起研討人工智慧。

另外，量子位大咖雲集的自動駕駛技術群，僅接納研究自動駕駛相關領域的在校學生或一線工程師。申請方式：添加qbitbot2為好友，備註「自動駕駛」申請加入~

△ 掃碼強行關注『量子位』